[목 차]
  

초거대 언어 모델과 비즈니스 문제 해결

 

01 초거대 언어 모델과 개인

02 초거대 언어 모델과 기업

03 초거대 언어 모델로 해결할 수 있는 문제들

04 초거대 언어 모델로 해결할 수 없는 문제들

05 경제적 관점에서 초거대 언어 모델

06 비즈니스 문제 해결 1: 프롬프트 엔지니어링

07 비즈니스 문제 해결 2: 검색 증강 생성

08 비즈니스 문제 해결 3: 미세 조정

09 비즈니스 문제 해결 4: 지속 사전 학습

10 초거대 언어 모델의 비즈니스 도입 사례

[본 문]
  

프로그램이라고 해서 엄청 복잡하고 어려운 것이 아니다. 예를 들어, 사무직에서 많이 사용하는 엑셀의 함수 기능 또한 일종의 프로그램이다. 여러 값 간의 관계를 특정 계산식을 적용해서 정의하면, 손으로 하나하나 계산하는 것보다 훨씬 빠르고 정확하게 숫자를 채울 수 있다. 다만, 이 함수 기능을 효과적으로 사용하는 것 또한 경험과 연습이 필요한데, 초거대 언어 모델을 이용하면 수월하게 함수 계산식을 얻을 수 있다. 단지 초거대 언어 모델한테 사용자가 원하는 계산식을 설명하고 몇 가지 예시를 주기만 하면 된다. 기존에 엑셀을 사용하던 사람뿐만 아니라 엑셀이 어려워서 제대로 활용하지 못했던 사람도 초거대 언어 모델의 도움을 받으면 업무 생산성이 증대되는 것이다.

－01_“초거대 언어 모델과 개인” 중에서

 

예를 들어, 초거대 언어 모델한테 ‘오늘의 날씨는?’이라는 질문을 했다고 가정하자. 이때, 초거대 언어 모델 입장에서는 날씨에 대한 질문 다음으로 올 확률이 높은 단어들을 선택해 답변을 만들 것이다. 그러나 애석하게도 그 답변이 실제 오늘의 날씨와 일치할 확률은 매우 낮다. 이러면 오늘의 날씨에 대한 환각 현상이 발생하는 것이다. 하지만 만약 이번 일주일 동안의 기상 예보 정보를 같이 알려 주면서 오늘의 날씨에 관해서 물으면 어떻게 될까?

－03_“초거대 언어 모델로 해결할 수 있는 문제들” 중에서

 

한 번의 질문으로 해결이 어려운 비즈니스 문제들은 보통 중간에 암묵적으로 이루어지는 판단의 결과에 따라 분기를 나눠야 하는 경우가 많다. 좋은 리뷰일 때와 안 좋은 리뷰일 때 그 이후의 대응 방식이 다른데, 이를 초거대 언어 모델이 내부적으로 알아서 처리해 주길 바라는 셈이다. 이런 암묵적인 판단을 기준으로 문제를 분할하고, 판단 결과에 따라서 명시적으로 다른 대응 방식을 취하면 훨씬 수월하게 복잡한 비즈니스 문제를 해결할 수 있다.

－06_“비즈니스 문제 해결 1: 프롬프트 엔지니어링” 중에서

 

지속 사전 학습을 할 때 또 하나 중요한 점은 바로 특정 분야를 어떻게 지정하느냐다. 직관적으로는 법률, 의료, 금융 등 우리가 흔히 알고 있는 전문 분야를 떠올릴 수 있다. 그러나 새로운 언어에 대한 지식처럼 전문 분야보다 더 넓은 범주의 지속 사전 학습을 진행할 수도 있다. 예를 들어, 영어 위주로 개발된 시중의 초거대 언어 모델에 대해서 한국어나 일본어 등의 추가 언어를 확장해 세계의 더 많은 인구를 대상으로 해당 모델을 활용할 여지를 만드는 것이다. 특정 전문 분야를 개척하든, 새로운 언어를 확장해 아예 새로운 나라를 개척하든, 지속 사전 학습은 여러모로 비즈니스의 큰 전략에 따라서 진행되는 경우가 많다.

－09_“비즈니스 문제 해결 4: 지속 사전 학습” 중에서